“एक समस्या, दो साम्राज्य और कभी न रुकने वाली दौड़”

इसके बाद जो हुआ, उसने विज्ञान और व्यावसायिक प्रतिस्पर्धा के बीच की रेखा को धुंधला कर दिया। समाधान मिलने के बाद, OpenAI ने बकमास्टर से संपर्क किया। कंपनी ने उन्हें अपने परिणाम पहले प्रकाशित करने की पेशकश की, अतिरिक्त कंप्यूटिंग संसाधन देने का वादा किया और यहाँ तक कि उन्हें OpenAI के समाधान प्रस्तुति में मुख्य लेखक के रूप में शामिल करने का सुझाव दिया। बकमास्टर के अनुसार, OpenAI उनके और उनके सहयोगियों के लिए 1 मिलियन डॉलर का पुरस्कार पाने का प्रस्ताव रखने के लिए भी तैयार था।

समस्या उनके सहयोगी के नाम को लेकर थी: लेवेंट अल्पोगे, जो Anthropic के कर्मचारी थे। बकमास्टर का कहना है कि OpenAI अल्पोगे का नाम लेख में नहीं रखना चाहता था। OpenAI के गणित प्रयासों का नेतृत्व कर रहे सेबेस्टियन बुबेक ने बकमास्टर के दावों का खंडन किया, लेकिन उन्होंने द न्यूयॉर्क टाइम्स को स्पष्ट किया कि उनके दृष्टिकोण से, कंपनी की किसी आंतरिक परियोजना में Anthropic के कर्मचारी का लेखक के रूप में शामिल होना बहुत कठिन था।

बकमास्टर ने प्रस्ताव को ठुकरा दिया। उन्होंने कहा कि उन्हें न तो 1 मिलियन डॉलर की परवाह है और न ही इस बात की कि कौन पहले फिनिश लाइन पर पहुँचता है। वह बस गणितीय कहानी का हिस्सा बनना चाहते थे। अंततः, वह OpenAI और Anthropic की बड़ी कहानी का हिस्सा बन गए। उन्होंने कहा, “मैं इन छोटी प्रतिस्पर्धाओं से दूर रहना चाहता हूँ।” लेकिन वह पूरी तरह से बाहर भी नहीं रह पाए, क्योंकि वह स्वयं शोध करने के लिए दोनों पक्षों द्वारा प्रदान किए गए उपकरणों का उपयोग कर रहे थे। यही वह बिंदु है जहाँ मामला केवल वैज्ञानिक श्रेय के विवाद तक सीमित नहीं रह जाता।

उपकरण जो प्रतिद्वंद्वी बन सकते हैं

शोध के दौरान, बकमास्टर ने AI के साथ काम करते समय उत्पन्न जटिल गणितीय तर्कों को व्यवस्थित करने में OpenAI के कोडेक्स (Codex) का उपयोग किया। समाधान प्रकाशित होने के बाद, उन्होंने सवाल उठाया: क्या उनके द्वारा सिस्टम में डाली गई सामग्री ने बाद के मॉडल की क्षमताओं में योगदान दिया है? OpenAI ने स्पष्ट किया कि ऐसा कोई प्रमाण नहीं है, और कंपनी ने इस बात से इनकार किया कि बकमास्टर के संकेतों ने Navier–Stokes को हल करने वाली प्रणाली को प्रभावित किया है। OpenAI का कहना है कि यह मॉडल एक पूर्व-प्रशिक्षित मॉडल पर निर्मित है जिसे बड़े पैमाने पर सुदृढीकरण शिक्षा (reinforcement learning) के माध्यम से विकसित किया गया था; कंपनी के अनुसार 3 जुलाई के बाद का डेटा उनकी प्रणाली को प्रभावित नहीं कर सका।

फाइनेंशियल टाइम्स की एक रिपोर्ट के अनुसार, OpenAI ने कहा कि समस्या को हल करने के लिए किसी भी विशिष्ट उपयोगकर्ता डेटा का उपयोग नहीं किया गया था, हालांकि कंपनी ने इस संभावना से पूरी तरह इनकार नहीं किया कि उनके उत्पादों के उपयोग से प्राप्त अज्ञात डेटा मॉडल को सुधारने में योगदान दे सकता है।

दशकों से, वैज्ञानिक कंप्यूटर या डेटाबेस का उपयोग केवल एक उपकरण के रूप में करते आए हैं। अब, उपकरण निर्माता ही एक ऐसे खिलाड़ी के रूप में सामने आ गया है जो स्वयं उसी समस्या में उतर सकता है, एक विश्वविद्यालय की प्रयोगशाला से कहीं अधिक संसाधन जुटा सकता है, और उत्पाद का उपयोग करने वाले व्यक्ति के साथ प्रतिस्पर्धा कर सकता है। AI यहाँ तीन भूमिकाएँ निभा रहा है: यह एक उपकरण है क्योंकि वैज्ञानिक इसे शोध के लिए उपयोग करते हैं; यह एक बुनियादी ढांचा है क्योंकि मॉडल और डेटा कुछ ही कंपनियों के स्वामित्व में हैं; और यह एक शोधकर्ता है जो सीधे खोज कर रहा है।

Navier–Stokes के मामले में, ये तीनों भूमिकाएँ आपस में मिल गई हैं। यह एक गंभीर प्रश्न खड़ा करता है: जब कोई वैज्ञानिक अपने शोध के कच्चे विचार या शुरुआती परिकल्पनाएँ एक AI सिस्टम में भेजता है, तो उनके और उस कंपनी के बीच का संबंध कैसा होना चाहिए जो सिस्टम प्रदान करती है? यह केवल कानूनी स्वामित्व का सवाल नहीं है, बल्कि यह ज्ञान के निर्माण की प्रक्रिया में निजी बुनियादी ढांचे की भूमिका से संबंधित है। यदि खोज करने की क्षमता केवल शक्तिशाली कंप्यूटिंग सिस्टम पर निर्भर हो जाती है, तो वैज्ञानिक शक्ति का केंद्र भी उन संगठनों की ओर स्थानांतरित हो जाएगा जो इन्हें नियंत्रित करते हैं।

बकमास्टर ने अपने काम में यह बदलाव महसूस किया। उन्होंने कहा कि AI के साथ शोध का अनुभव रोमांचक और परेशान करने वाला दोनों था। जब मॉडल ने तार्किक चरणों में इंसानों से आगे निकलना शुरू किया, तो उन्होंने खुद से पूछा कि क्या उनकी भूमिका एक खोजकर्ता की है या वे केवल मशीन के आउटपुट को पढ़ने और जांचने वाले बन गए हैं। “मानव का हिस्सा कहाँ है?” उन्होंने सवाल किया।

वह दौड़ जो रुक नहीं सकती

OpenAI और Anthropic के बीच का संबंध इस पूरी घटना को केवल एक गणितीय विवाद से बहुत ऊपर ले जाता है। Anthropic का जन्म 2021 में OpenAI के कर्मचारियों के एक समूह द्वारा हुआ था, जो तेजी से शक्तिशाली AI सिस्टम विकसित करने के तरीकों पर असहमत थे। तब से, कंपनी ने खुद को AI जोखिमों के प्रति अधिक सतर्क रखने वाली संस्था के रूप में पेश किया है। लेकिन छह साल बाद, वे प्रतिभा, तकनीक, उत्पाद और प्रतिष्ठा सहित लगभग हर मोर्चे पर सीधे प्रतिद्वंद्वी बन गए हैं।

दोनों कंपनियों ने बार-बार शक्तिशाली AI सिस्टम के साथ जुड़े जोखिमों को स्वीकार किया है। फिर भी, क्षमता, प्रतिभा और बाजार हिस्सेदारी की प्रतिस्पर्धा बढ़ती जा रही है। विरोधाभास यह है कि भले ही कोई कंपनी सतर्क रहना चाहे, लेकिन अकेले अपनी गति धीमी करने का मतलब प्रतिद्वंद्वी को लाभ देना हो सकता है। Navier–Stokes का उदाहरण दिखाता है कि प्रतिद्वंद्वी की सफलता की आहट मिलते ही OpenAI जैसी कंपनियाँ तुरंत विशाल कंप्यूटिंग संसाधन तैनात कर देती हैं।

OpenAI द्वारा समाधान की घोषणा के तीन दिन बाद, टेरेंस ताओ (Terence Tao) और अन्य फील्ड्स मेडल विजेताओं ने “गणित में AI का गंभीर मिसअलाइनमेंट” शीर्षक से एक संयुक्त बयान जारी किया। उन्होंने AI की बढ़ती गणितीय क्षमता से इनकार नहीं किया, लेकिन चेतावनी दी कि कंपनियां प्रसिद्ध समस्याओं का उपयोग अपनी क्षमता के पैमाने के रूप में कर रही हैं, जिससे व्यावसायिक लक्ष्य और वैज्ञानिक समुदाय के लक्ष्य विपरीत दिशा में जा सकते हैं।

एक महत्वपूर्ण समाधान अक्सर नई विधियों और अवधारणाओं को खोलता है, जो सामान्य ज्ञान का हिस्सा बन जाते हैं। जब समाधान बनाने की गति वैज्ञानिक समुदाय की उसे सोखने की गति से अधिक हो जाती है, तो श्रेय और पहचान के प्रश्न और भी कठिन हो जाते हैं। इसलिए, ताओ और उनके सहयोगियों की चेतावनी महत्वपूर्ण है क्योंकि यह तब आई है जब एक अकादमिक समस्या को दो बड़ी कंपनियों के बीच प्रतिस्पर्धा के दायरे में खींचा गया है।

Navier–Stokes इस बदलाव को देखने के लिए एक विशेष उदाहरण है। गणित में स्पष्ट सत्यापन मानक और लंबे समय से चले आ रहे श्रेय देने के नियम हैं। लेकिन अब, उपकरण, सहयोगी, बुनियादी ढांचे और प्रतिद्वंद्वी के बीच की रेखा धुंधली होने लगी है। यदि ऐसा गणित में हो रहा है, तो चिकित्सा, सामग्री विज्ञान या चिप डिजाइन जैसे क्षेत्रों में यह स्थिति और भी जटिल होगी, जहाँ वैज्ञानिक ज्ञान सीधे व्यापारिक संपत्ति से जुड़ा होता है। Navier–Stokes ने दिखाया है कि जब वैज्ञानिक मील के पत्थर तकनीकी क्षमता का पैमाना बन जाते हैं, तो प्रतिस्पर्धा उस तरीके को प्रभावित कर सकती है जिससे ज्ञान का सृजन, मान्यता और वितरण होता है।

अभी पढ़ें:

जब “ओपन लेबोरेटरी” रणनीतिक तकनीक पारिस्थितिकी तंत्र का नेतृत्व करती है

जब रोबोट ऑपरेशन थिएटर में कदम रखते हैं: Cornerstone Robotics की नवाचार आकांक्षाएं

शिक्षा में भविष्य: ज्ञान को विकास में बदलना